![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
强化学习
文章平均质量分 79
Johnny_Cuii
May all kind hearts be gently treated
展开
-
强化学习-策略梯度
从现在开始,进行一系列的强化学习笔记,课程主要是结合David Silver 和 李宏毅老师的课程。 David Silver 课程偏理论,而且我个人觉得讲的不是很透彻,对比李宏毅老师的课程就讲的非常深入浅出了。这节,我们来看看策略梯度算法。在这里是状态作为输入,动作作为输出,如上图所示以给定的策略,我们可以生成一个episode数据(状态1,动作1,状态2,动作2…)对于一个epis...原创 2018-10-13 20:37:13 · 578 阅读 · 0 评论 -
强化学习: On-Policy与 Off-Policy 以及 Q-Learning 与 SARSA
刚接触强化学习,都避不开On Policy 与Off Policy 这两个概念。其中典型的代表分别是Q-learning 和 SARSA 两种方法。这两个典型算法之间的区别,一斤他们之间具体应用的场景是很多初学者一直比较迷的部分,在这个博客中,我会专门针对这几个问题进行讨论。以上是两种算法直观上的定义。我们都称 Q-Learning 是 Off Policy . SARSA 是 On Pol...原创 2018-10-13 21:48:52 · 6820 阅读 · 0 评论 -
强化学习: Experience Replay
我第一次接触 Experience Replay 概念是李宏毅老师的视频课上。当时李宏毅老师说 为什么Experience Replay 可行留作自己思考,然后并没有做太详细的解释。接下来,我就把我对Experience Replay 的理解写下来。首先,我把李宏毅老师的Q-learning 算法贴出来,他的Q-learning 算法跟传统Q-learning 算法有一些微小的区别以下是Ex...原创 2018-10-14 18:19:20 · 5235 阅读 · 2 评论 -
GAN系列-原理篇
最近开始看GAN相关地知识。GAN是很经典的模型,个人认为这里面的坑还是比较多的,以后写论文说不定能用上。这篇博客重点是从原理上去说明GAN,会涉及较多的数学公式。GAN的训练方式大家都很熟悉了,认为很简单。但是我认为,要想深入地理解GAN模型光能实践还是不够地,还是需要理解他地由来,以及数学表达方式。这样才有可能进一步地利用GAN ,做出我们自己想要地东西,而不是从网上copy个代码,跑一下就...原创 2018-10-15 20:13:12 · 4871 阅读 · 0 评论 -
Least Squares Generative Adversarial Networks(LSGAN)
这个模型,我是在李宏毅老师的课程上看到的。 之所以单把这个模型拿出来写一个博客是因为,我觉得李宏毅老师讲的不对啊。首先,声明李宏毅老师是我非常钦佩和尊敬的老师,看我的博客就可以知道,很多博客都是关于他的视频课程的读后感,可以说李宏毅老师是我的恩师啊。建议看我的博客之间大家还是看看李宏毅老师的视频课程GAN LECTURE6。首先,按着论文的思路来讲以下这个模型的思想,同时对比李宏毅老师的思路。...原创 2018-10-17 17:22:36 · 3780 阅读 · 2 评论